岗位职责
- 负责腾讯云对象存储 COS 之上的多模态数据基础能力建设，围绕元数据、索引、向量、版本、生命周期与查询规划等方向，构建高性能、可治理、可复用的 AI 数据底座；
- 搭建Data-Centric多模态数据处理管线，覆盖采集、清洗、结构化、特征抽取、质量评估等算子开发，以及跨模态检索、内容理解及质量筛选等关键环节，支撑客户侧大规模数据资产的规模化生产；
- 构建高可用、高吞吐的数据存储和服务框架，持续优化多模态数据的处理、存储以及检索效率；
- 深度适配 Ray、Spark、Flink、PyTorch 等大数据与 AI 计算框架，优化数据写入、扫描、过滤、采样、批量读取与训练数据加载的端到端性能，持续降低单位数据处理成本；
- 支撑传媒、安防、具身智能等重点行业场景落地，包括海量视频检索、感知数据工程、多模态内容审核等，直接对业务指标负责；
- 参与技术方案设计与评审，输出对外可交付的架构文档与最佳实践，推动能力产品化。
职位要求
- 本科及以上学历，计算机相关专业；
- 3年以上后台开发经验，大数据/数据管线相关经验优先；
- 熟练掌握 Python/Go/C++ 至少一门，熟悉 Linux 开发环境；
- 熟悉至少一种主流消息队列（Kafka/Pulsar/RocketMQ）、任务调度（Airflow/Celery）、存储系统（OSS/S3/HDFS）；
- 熟悉分布式计算或大数据处理框架，了解Ray、Spark、Hadoop、Flink相关技术栈；
- 具备以下任一方向的实际项目经验：；
- 向量检索：HNSW / IVF / ScaNN 等索引原理与工程实现，Faiss / Milvus / Vespa 等系统使用或改造经验；
- 多模态数据处理：图像视频抽帧切片、音频 VAD/ASR 前后处理、文档版面解析、点云 / Mesh 格式处理；
- AI 数据底座：Embedding 生成与治理、样本构建、训练数据管理、数据湖表格式（Iceberg / Hudi / Paimon / Lance）；
- 聪明好学，有较强的自驱力和学习力，责任心强，能在快节奏环境中推进项目。
